前两天有一个需求，需要访问某API服务器请求数据，该服务器限制了QPS=2(哈哈应该都知道是哪个服务器了吧_(:з」∠)_)，因为QPS很小所以就使用阻塞式请求。后来开通了服务，QPS提高到了20，阻塞式请求满足不了这个QPS了，于是使用了GRequests来并发请求数据，但这里又遇到了一个问题：并发太快，服务器通过发送错误码拒绝了很多数据的响应，造成了资源的浪费。
  故在此记录以下几种节流(Throttle)方法：

  以下均假设有如下包和数据前提：

import grequestsurls = [ "https://"]requests = [ grequests.get(url) for url in urls] * 1000rate = 20 # 表示 20 请求/秒

time.sleep(1)

  这是最简单的方法，通过time.sleep(1)阻塞进程来控制每秒并发数量。用公式表达如下：Time=请求准备时延+请求发送时延+time.sleep(1)Time = 请求准备时延 + 请求发送时延 + time.sleep(1)Time=请求准备时延+请求发送时延+time.sleep(1)   但是这种方法有一个较小的问题：不精确。数据量越大，方差越大。

from time import sleepreq_groups = [ requests[i: i+rate] for i in range(0, len(requests), rate)]ret = []for req_group in req_groups: ret += grequests.map(req_group) sleep(1)print(ret)

令牌桶(token bucket)方法

  这种方法较精确，可以确保误差不超过±1（当然前提是你的电脑和目标服务器都能承受的了高并发）。以下是耗时的公式表示：Time=请求准备时延+请求发送时延+令牌桶阻塞时延Time = 请求准备时延 + 请求发送时延 + 令牌桶阻塞时延Time=请求准备时延+请求发送时延+令牌桶阻塞时延 令牌桶阻塞时延≈1−请求准备时延+请求发送时延令牌桶阻塞时延 ≈ 1 - 请求准备时延 + 请求发送时延令牌桶阻塞时延≈1−请求准备时延+请求发送时延   这种方法当然也有一点缺陷，CPU看起来会很高（这是由于 while pass），尽管CPU真实使用率很低。

from time import timeclass Throttle: def __init__(self, rate): self.rate = rate self.tokens = 0 self.last = 0 def consume(self, amount=1): now = time() if self.last == 0: self.last = now elapsed = now - self.last if int(elapsed * self.rate): self.tokens += int(elapsed * self.rate) self.last = now self.tokens = ( self.rate if self.tokens > self.rate else self.tokens ) if self.tokens >= amount: self.tokens -= amount else: amount = 0 return amountthrottle = Throttle(rate)req_groups = [ requests[i: i+rate] for i in range(0, len(requests), rate)]ret = []for req_group in req_groups: ret += grequests.map(req_group) while throttle.consume(): pass # 阻塞print(ret)

GRequests-Throttle

  这是一个使用令牌桶(token bucket)方法进行封装的GRequests修改版，使用方法很简单：
  首先安装grequests-throttle(清华镜像源更新较慢，推荐使用阿里镜像源)

pip install grequests-throttleimport grequests_throttle as gtret = gt.map(requests, rate=rate)print(ret)

总结

  如果并发请求数量较小，可以考虑使用time.sleep(1)简单快捷；当并发请求数量较大时，使用令牌桶(token bucket)方法能最大化利用每一秒；如果不想写太多代码，可以使用GRequests-Throttle包进行请求流量控制。

到此这篇关于Python并发请求下限制QPS(每秒查询率)实现的文章就介绍到这了,更多相关Python并发请求下限制QPS(每秒查询率)实现内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持！